404 Not Found
404 Not Found
The requested URL was not found on this server.
您要找的内容已被删除中轨集团李阔：PPP是基础设施的“包产到户”_网易新闻
中轨集团李阔：PPP是基础设施的“包产到户”
用微信扫码二维码
分享至好友和朋友圈
（原标题：中轨集团李阔：PPP是基础设施的“包产到户”）
李阔，中轨集团董事长。曾主持、参与实施了中远ABS债券、亚太通讯卫星、中华发电BOT项目、印尼东固LNG、苏尼特右旗石油区块、长春地铁等大量基础设施的投融资工作。主持实施的基础设施投融资总额超过2000亿。
“通过PPP模式，可以突破平台模式的发展瓶颈，实现投资与运营主体的统一，实现效率与成本的最优组合。”
华声在线记者 张鼎峰 报道
轨道建设如何可持续发展?什么是PPP 的实践基础?11月27日，2016中国城市轨道交通可持续发展技术交流会在长沙召开。作为演讲嘉宾之一，中轨集团董事长李阔接受了华声在线记者的采访，并用生动的例子阐述了他的观点。
“房子搞装修的人就是将来要住这的人，那这个装修就肯定搞得好。”李阔说，在诺贝尔经济学家米尔顿·弗里德曼的“花钱矩阵”中，花自己的钱办自己的事，成本低效率高，花别人的钱办别人的事，成本高效率低。“基础设施的运营发展是一个道理。”
据了解，PPP(Public—Private—Partnership)指的是公共部门和私人部门为提供公共产品或服务而建立的一种合作关系。李阔认为，我国推广PPP 模式的重要实践基础之一，正是这么多年来包产到户取得的成绩和经验。而包产包给民营企业最为合适。通过基础设施和公共服务领域的包产到户来节约成本，提高效率切实可行也有充分的理论和实践基础。
中轨集团是民营企业，目前已拥有7家一级子公司，2家二级子公司，4家境外全资子公司，注册资本总额20亿元人民币，中轨集团是怎样去践行PPP的呢?
"自2000年中国施工市场化改革以来，施工市场已经充分竞争，并且有成熟的招投标体系。如果用PPP绕过招投标选择施工单位，是把正确的工具用错了地方。PPP真正要解决的是投资和运营的市场化。”李阔介绍，按照中轨集团的模式，中轨和政府一起出资成立项目公司，项目公司公开招投标选择施工单位。项目公司负责投资、开发、运营、管理。经营期内，项目公司大力创新扩大效益;经营期满则移交给政府。
“民营企业必须通过盈利收回投资，所以项目公司肯定会注重运营，努力做好项目。”李阔说，通过PPP 模式可以突破平台模式的发展瓶颈，花自己的钱办自己的事，实现效率与成本的最优组合。
“中轨集团是轨道交通领域唯一的产业资本。我们将专注于轨道产业与城市的可持续发展，大力推进基础设施的‘包产到户’。”李阔告诉记者，中轨集团也将积极参与到长沙城市轨道交通的发展中来，为长沙贡献一份力量。
(原标题：中轨集团李阔：PPP是基础设施的“包产到户”)
本文来源：华声在线
责任编辑："王晓易_NE0011"
用微信扫码二维码
分享至好友和朋友圈
加载更多新闻
热门产品:　　　
:　　　　　　　　
:　　　　　　　　　
热门影院：
阅读下一篇
用微信扫描二维码
分享至好友和朋友圈&p&我来介绍一个可以做傅里叶分析的机器，简直酷炫到爆炸。从来没有想过傅里叶变换，在书本上这么抽象的东西，可以如此的有触感。&/p&&ol&&li&&b&100岁的机械计算机&/b&&/li&&/ol&&a class=&video-box& href=&//link.zhihu.com/?target=https%3A//www.zhihu.com/video/920832& target=&_blank& data-video-id=&& data-video-playable=&true& data-name=&& data-poster=&https://pic2.zhimg.com/80/v2-53c0914ebadbbaef00e981_b.jpg& data-lens-id=&920832&&
&img class=&thumbnail& src=&https://pic2.zhimg.com/80/v2-53c0914ebadbbaef00e981_b.jpg&&&span class=&content&&
&span class=&title&&&span class=&z-ico-extern-gray&&&/span&&span class=&z-ico-extern-blue&&&/span&&/span&
&span class=&url&&&span class=&z-ico-video&&&/span&https://www.zhihu.com/video/920832&/span&
&/a&&p&&br&&/p&&p&&b&2. 傅里叶级数合成&/b&&/p&&p&这台机器可以根据傅里叶级数的公式，来合成函数图像：&/p&&p&&img src=&//www.zhihu.com/equation?tex=f%28x%29+%3D+%5Csum_%7Bn%3D1%7D%5E%7B%7D%7Ba_%7Bn%7Dcos%28nx%29%7D& alt=&f(x) = \sum_{n=1}^{}{a_{n}cos(nx)}& eeimg=&1&&&/p&&a class=&video-box& href=&//link.zhihu.com/?target=https%3A//www.zhihu.com/video/244416& target=&_blank& data-video-id=&& data-video-playable=&true& data-name=&& data-poster=&https://pic1.zhimg.com/80/v2-657d60f0cb1e24b4eb62349d62dcc628_b.jpg& data-lens-id=&244416&&
&img class=&thumbnail& src=&https://pic1.zhimg.com/80/v2-657d60f0cb1e24b4eb62349d62dcc628_b.jpg&&&span class=&content&&
&span class=&title&&&span class=&z-ico-extern-gray&&&/span&&span class=&z-ico-extern-blue&&&/span&&/span&
&span class=&url&&&span class=&z-ico-video&&&/span&https://www.zhihu.com/video/244416&/span&
&/a&&p&&b&3. 傅里叶变换&/b&&/p&&p&更加震惊的是这台机器居然可以做！！！傅里叶变换和傅里叶逆变换！！！简直帅炸了！&/p&&a class=&video-box& href=&//link.zhihu.com/?target=https%3A//www.zhihu.com/video/440896& target=&_blank& data-video-id=&& data-video-playable=&true& data-name=&& data-poster=&https://pic4.zhimg.com/80/v2-3e479a6f75a1e14f93adf_b.jpg& data-lens-id=&440896&&
&img class=&thumbnail& src=&https://pic4.zhimg.com/80/v2-3e479a6f75a1e14f93adf_b.jpg&&&span class=&content&&
&span class=&title&&&span class=&z-ico-extern-gray&&&/span&&span class=&z-ico-extern-blue&&&/span&&/span&
&span class=&url&&&span class=&z-ico-video&&&/span&https://www.zhihu.com/video/440896&/span&
我来介绍一个可以做傅里叶分析的机器，简直酷炫到爆炸。从来没有想过傅里叶变换，在书本上这么抽象的东西，可以如此的有触感。100岁的机械计算机 2. 傅里叶级数合成这台机器可以根据傅里叶级数的公式，来合成函数图像：f(x) = \sum_{n=1}^{}{a_{n}cos(nx)}3…
生物化学环境材料，家里没钱或者等你挣钱翻身就别报了。希望准高考生能看到，救一个是一个。转两个段子让大家开心一下。&br&转：PCR的小女孩《卖火柴的小女孩》改编&br&&br&实验室里冷极了，没有窗户，不知道是白天还是黑夜。这是一周的最后一天——周 末。在这又冷又黑的晚上，一个蓬头散发的小女孩在试验台前坐着。她从家里出来的时候 还穿着一件外套，但是有什么用呢？那是一件很大的外套──那么大，不知是哪一年买 的。她工作的时候的，就穿上白大褂了，实验室的师弟嘲笑说，何必穿实验服呢，你的破大衣都可以当抹布了。 &br&&br&小女孩只好一个人做实验，一双小手被PE手套捂得苍白。她的面前的胶板上有一串点样孔，还有好几管菌落pcr产物。这一整天，目的基因还是没连上质粒，谁也没帮过她。 &br&&br&可怜的小女孩！她又冷又饿，哆哆嗦嗦地点样。灯光落在她的干枯的长头 发上，那头发卷曲着披在肩上，看上去很久没梳，不过她没注意这些。每个桌上都堆满 了文献，实验室飘着一股LB培养基的香味，因为这是老板催要结果的时间——她可忘不了这 个。 &br&&br&她在上完出某个样后停了下来，蜷着趴在桌子上。她觉得更冷了。她不敢跟老板说，因 为她试了所有的taq酶，试剂盒，质粒，没p出阳性的菌落，老板一定会骂她的。再说，换做别的题目跟这个一样难。她们头上只有paper，虽然网上有好多类似的文献，但到她这里就是不work。 &br&&br&她的头脑几乎绝望了。啊，哪怕一次小小的成功，对她也是有好处的！她敢把上万 块钱的酶全丢进去连接载体，能够把基因转进去吗？她终于又拿出一块跑完的胶。紫外光照上去了！一个一个样点在胶板上出现了！她把小手拢在紫外灯下。多么温暖多么明亮的小点啊，简直像一支小小的蜡烛。这是一道奇异的火光！小女孩觉得自己好像坐在一台测序仪的显示器前面，显示器还是全新锃亮的，颜色鲜艳，字迹清晰，上边的显示的序列明明就是目的基因，多么舒服啊！哎，这是怎么回事呢？她刚把头伸过去，想看的仔细一些，她坐在那儿，眼前的胶板上显出一行刺眼的阴性、引物二聚体、模板，就是没有阳性菌落。 &br&&br&她又上了一遍样。用150v跑完又用100v再跑。紫外灯的光落在桌子上，那儿忽然变得像打印出来的paper那样洁白工整，她可以一直看到paper上的字迹。Nature的logo，Abstract和Instroduction。更妙的是这篇paper的一作，赫然署着自己的名字！看上去那么诱惑，一直向这个穷苦的小女孩走来。这时候，新跑完的胶板上还是只有阴性的样点，她面前只剩一张又硬又旧的桌子。 &br&&br&她p了十几个菌落，又跑了一块胶。这一回，她感觉自己坐在布置整齐的会议室里。条幅上写着“毕业答辩”，比她去年师姐毕业时用的条幅还要大，还要美。红色的条幅上贴着那几 个白色的黑体字，投影仪屏幕上许多幅美丽的彩色画片，跟顶级会议里的presentation一个样，在向她眨眼睛。小女孩向画片伸出手去。这时候，板子又爬好了，不出意外，没新点。只见ppt上的图片越升越高，最后成了在天空中闪烁的星星。有一颗星星落下来了，在天空中划出了一道细长的红光。 &br&&br&“有一个什么人快要死了。”小女孩说。唯一疼她的师姐毕业前的时候告诉过她：一颗星星落下来，就有一个灵魂要到沃森和克里克那儿去了。 &br&&br&她又连接了一管载体。这一回，她把所有的酶的量都加大了。师姐出现在灯光里，是 那么温和，那么慈爱。 &br&&br&“师姐！”小女孩叫起来，“啊！请把我带走吧！我知道，反应一结束，您就会不见的，像那漂亮的跑胶，发表的paper，布置好的答辩会议室一个样，就会不见的！” &br&&br&她赶紧拿出所有的胶板，放在紫外灯下，要把师姐留住。一大堆胶板在紫外灯下放出明亮的光，把实验室照得跟白天一样明亮。师姐从来没有像现在这样高大，这样美丽。师姐把小女孩抱起来，搂在怀里。她们俩在光明和快乐中飞走了，越飞越高，飞到那没有PCR，没有论文，也没有毕业的地方去了。 &br&&br&第二天清晨，这个小女孩坐在实验台前上，两腮通红，嘴上带着微笑。她死了，在周末 的实验室累死了。新一周的太阳升起来了，照在她小小的尸体上。小女孩坐在那儿，手还握着正要上样的EP管。 &br&&br&“她想自己转一个基因……”人们说。谁也不知道她曾经看到过多么美丽的东西 ，她曾经多么幸福，跟着她师姐一起走向新世界的幸福中去。&br&&br&&br&范博中Cell&br&作者： 张四维|小鲸&br&范博做完实验回office，实验室刚来的rotation student、一块搬砖的千老俱各欢喜。正待烧锅做饭，只见他老板Dr. 胡，手里拿着一盒miniprep柱和一瓶培养基，走了进来。范博向他作揖，坐下。Dr. 胡道：“我自倒运，把个博后位置给与你这现世宝 ，历年以来，不知累了我多少。如今不知因我积了甚么德，带挈你中了个PLoS ONE ，我所以带个培养基来贺你。”范博唯唯连声，叫rotation student把柱和培养基收起来，在实验台边上坐着。Rotation student自和小本科生在细胞间换medium。Dr. 胡又吩咐范博道：“你如今既中了PLoS ONE，凡事要立起个体统来。比如我这行事里，都是些正经有脸面的人，又是你的同事，你怎敢在我们跟前装大?若是实验室门口这些提质粒的，养老鼠的，不过是technician，你若同他拱手作揖，平起平坐，这就是坏了学校规矩，连我脸上都无光了。你是个烂忠厚没用的人，所以这些话我不得不教导你，免得惹人笑话。”范博道：“胡博见教的是。”Dr. 胡又道：“你师母也来这里做实验。她做了这么多年lab manager，想也难过。我国内来交换的那几个副教授也做些。自从你带他们做实验，这年，不知miniprep kit可曾用过两三回哩!可怜!可怜!”说罢，一堆熊猫都来坐着提质粒。提到日西时分，Dr. 胡扯得爽爽的。这里熊猫几个，千恩万谢。Dr. 胡横披了休闲西服，腆着 肚子去了。次日，范博少不得拜拜隔壁实验室的。魏好古又约了一班同案的千老，彼此来往。因是funding季，申了几个fellowship。不觉到了六月尽间，这些同案的人约范进去面试。范进因没有盘费，走去同小老板商议，被Dr. 胡一口啐在脸上，骂了一个狗血喷头，道：“不要失了你的时了!你自己只觉得中了一个PLoS ONE，就‘癞虾蟆想吃起天鹅肉’来!我听见人说，就是PLoS One时，也不是你的文章，还是大老板Prof. Cheung看你J1快五年了，不过意，舍第一作者与你的。如今痴心就想申起fellowship来!这些中fellowship的都是天上的‘文曲星’!你不看见城里HHMI上那些老爷，都有万贯家私，一个个方面大耳?像你这尖嘴猴腮，也该撒泡尿自己照照!不三不四，就想天鹅屁吃!趁早收了这心，明年在我们系里替你寻一个熊猫馆，每年寻28k刀，养活你那老不死的老娘和你J2老婆是正经!你问我借travel grant，我一天发一篇PLoS ONE还赚不得钱把银子，都把与你去丢在水里，叫我一实验室喝西北风!”&br&&br&&br&　　一顿夹七夹八，骂的范博摸不着门。辞了老板回来，自心里想：“大老板说我火候已到，自古无场外的AP，如不进去投一投，如何甘心?”因向几个同案商议，瞒着老板，投了Cell。出了场，即便回家。家里已是饿了两三天。被Dr. 胡知道，又骂了一顿。&br&&br&&br&　　到decision date那日，家里没有鸡蛋，从老家来帮忙看孩子的母亲吩咐范博道：“快去你们隔壁实验室偷几个鸡蛋，我已是饿的两眼都看不见了。”范进慌忙拿了车钥匙，开出门去。才去不到两个时候，只听得一片刹车声，一辆Corolla闯将来。那系里的public affairs officer下了车，把车停在路边上，一片声叫道：“快请范博出来，恭喜高中了!”母亲不知是甚事，吓得躲在屋里；听见中了，方敢伸出头来，说道：“诸位请坐，小儿方才出去了。”那public affairs officer道：“原来是老太太。”大家簇拥着要喜钱。正在吵闹，又是几辆Corolla，二报、三报到了，挤了一屋的人，地下室都坐满了。隔壁实验室的千老都来了，挤着看。老太太没奈何，只得央及一个室友去寻他儿子。&br&&br&&br&　　那千老飞奔到实验室，一屋里寻不见；直寻到embryology lab，见范进抱着一盒蛋，手里插个铅笔，一步一踱的，东张西望，在往怀里塞。室友道：“范博，快些回去!你恭喜中了Cell，报喜人挤了一屋里。”范博当是哄他，只装不听见，低着头继续塞。室友见他不理，走上来，就要夺他手里的鸡蛋。范进道：“你夺我的鸡怎的?你又不做embryology。”室友道：“你中了Cell了，叫你家去打发lab mate哩。”范博道：“高邻，你晓得我今日没有蛋，要偷这鸡蛋去救命，为甚么拿这话来混我?我又不同你顽，你自回去罢，莫误了我偷蛋。”室友见他不信，劈手把鸡蛋夺了，掼在地下，一把拉了回来。Public affairs officer见了道：“好了，Cell一作回来了。”正要拥着他说话，范博三两步走进屋里来，见中间Decision letter已经升挂起来，上写道：“We are pleased to accept your submission for advanced online publication on Cell.”&br&&br&&br&　　范博不看便罢，看了一遍，又念一遍，自己把两手拍了一下，笑了一声，道：“噫!好了!我中了!”说着，往后一跤跌倒，牙关咬紧，不省人事。老太太慌了，慌将几口开水灌了过来。他爬将起来，又拍着手大笑道：“噫!好!我中了!”笑着，不由分说，就往门外飞跑，把千老和PhD都吓了一跳。走出大门不多路，一脚踹在塘里，挣起来，头发都跌散了，两手黄泥，淋淋漓漓一身的水。众人拉他不住，拍着笑着，一直走到实验室去了。众千老大眼望小眼，一齐道：“原来新一作欢喜疯了。”老太太哭道：“怎生这样苦命的事!中了一个甚么Cell，就得了这个拙病!这一疯了，几时才得好?”娘子李氏道：“早上好好出去，怎的就得了这样的病!却是如何是好?”众千老劝道：“老太太不要心慌。我们而今且派两个人跟定了范博。这里众人家里拿些小龙虾，且管待了实验室的PhD们，再为商酌。”&br&&br&&br&　　当下众千老有拿小龙虾来的，有拿pasta来的，也有背了subway来的，也有带两个全家桶来的。娘子哭哭啼啼，在厨下收拾齐了，拿在地下室。千老又搬些桌凳，请系里的public affairs officer坐着吃KFC，商议他这疯了，如何是好。Public affairs officer内中有一个人道：“在下倒有一个主意，不知可以行得行不得?”众人问：“如何主意?”那人道：“范博平日可有最怕的人?他只因欢喜狠了，痰涌上来，迷了心窍。如今只消他怕的这个人来打他一个嘴巴，说：‘这accept的话都是哄你，你并不曾中。’他吃这一吓，把痰吐了出来，就明白了。”众千老都拍手道：“这个主意好得紧，妙得紧!范博怕的，莫过于实验室里Dr. 胡。好了!快寻Dr.胡来。他想是还不知道，在实验室教人提质粒哩。”又一个人道：“在实验室提质粒，他倒好知道了；他从五更鼓就往隔壁学校取老鼠，还不曾回来。快些迎着去寻他。”&br&&br&&br&　　一个人飞奔去迎，走到半路，遇着Dr.胡来，后面跟着一个千老，提着七八个笼子，四五十只老鼠，正来贺喜。进门见了老太太，老太太大哭着告诉了一番。Dr.胡诧异道：“难道这等没福?”外边人一片声请Dr.胡说话。Dr.胡把老鼠与笼子交与千老，走了出来。众人如此这般，同他商议。Dr.胡作难道：“虽然是我博后，如今却做了Cell一作，就是天上的星宿。天上的星宿是打不得的!我听得斋公们说：打了天上的星宿 ，阎王就要拿去打一百铁棍，发在十八层地狱，永不得翻身。我却是不敢做这样的事!”千老内一个尖酸人说道：“罢么!Dr.胡，你每日杀老鼠取血的营生，白镊子进去，红眼珠出来，阎王也不知叫判官在簿子上记了你几千条铁棍；就是添上这一百棍，也打甚么要紧?只恐把铁棍子打完了，也算不到这笔帐上来。或者你救好了博后的病，阎王叙功 ，从地狱里把你提上第十七层来，也不可知。”public affairs officer道：“不要只管讲笑话。Dr.胡，这个事须是这般，你没奈何，权变一权变。”Dr.胡被众人局不过，只得连斟两碗酒喝了，壮一壮胆，把方才这些小心收起，将平日的凶恶样子拿出来，卷一卷那血乎乎的白大褂，走上实验室去。众千老五六个都跟着走。老太太赶出来叫道：“胡老师，你只可吓他一吓，却不要把他打伤了!”众千老道：“这自然，何消吩咐。”说着，一直去了。&br&&br&&br&　　来到集上，见范博正在一个lab门口站着，散着头发，满脸污泥，鞋都跑掉了一只，兀自拍着掌，口里叫道：“中了!中了!”Dr.胡凶神似的走到跟前，说道：“该死的畜生!你中了甚么?”一个嘴巴打将去。众人和邻居见这模样，忍不住的笑。不想Dr.胡虽然大着胆子打了一下，心里到底还是怕的，那手早颤起来，不敢打到第二下。范博因这一个嘴巴，却也打晕了，昏倒于地。众千老一齐上前，替他抹胸口，捶背心，舞了半日，渐渐喘息过来，眼睛明亮，不疯了。众人扶起，借lab门口一个圆凳上坐着。Dr.胡站在一边，不觉那只手隐隐的疼将起来；自己看时，把个巴掌仰着，再也弯不过来。自己心里懊恼道：“果然天上‘文曲星’是打不得的，而今菩萨计较起来了。”想一想，更疼的狠了，连忙从制冰机里弄了点冰敷着。&br&&br&&br&　　范博看了众人，说道：“我怎么坐在这里?”又道：“我这半日，昏昏沉沉，如在梦里一般。”众邻居道：“范博，恭喜高中了。适才欢喜的有些引动了痰，方才吐出几口痰来，好了。快请回家去打发public affairs officer。”范博说道：“是了。我也记得是中的Short Article。”范博一面自绾了头发，一面问千老借了一盆水洗洗脸。一个千老早把那一只鞋寻了来，替他穿上。见老板在跟前，恐怕又要来骂。Dr.胡上前道：“范博士，方才不是我敢大胆，是你老太太的主意，央我来劝你的。”千老内一个人道：“Dr.胡方才这个嘴巴打的亲切，少顷范博洗脸，还要洗下半盆老鼠血来!”又一个道：“老板，你这手明日杀不得老鼠了。”Dr.胡道：“我那里还杀老鼠!有我这博后，还怕tenure评不上怎的?我每常说，我的这个博后，才学又高，品貌又好，就是城里头那HHMI、NIH这些老爷，也没有我博后这样一个体面的相貌。你们不知道，得罪你们说，我小老这一双眼睛，却是认得人的。想着先年，范博在我这读PHD读到三十多岁，多少大牛lab要和我合作，我自己觉得范博像有些福气的，毕竟要发篇Cell，今日果然不错!”说罢，哈哈大笑。众人都笑起来。看着范博洗了脸，千老又拿咖啡来吃了，一同回家。范一作先走，Dr.胡和千老跟在后面。Dr. 胡见博后白大褂后襟滚皱了许多，一路低着头替他扯了几十回。&br&&br&&br&　　到了地下室，Dr. 胡高声叫道：“范博回来了!”老太太迎着出来，见儿子不疯，喜从天降。众人问public affairs officer，已是家里把Dr. 胡送来的abstract打发他们去了。范博拜了母亲，也拜谢老板。Dr. 胡不安道：“些须几个authorship，不够你赏人。”范博又谢了千老。正待坐下，早看见一个体面的lab manager，手里拿着一个大红invitation letter，飞跑了进来：“Prof. Cheung来拜新中的范博。”说毕，Cadillac已是到了门口。Dr. 胡忙躲进地下室里，不敢出来。千老各自散了。&br&&br&&br&　　范博迎了出去，只见那Prof. Cheung下了Cadillac进来，头戴金丝眼镜，身穿葵花色HUGO BOSS，LV皮带、Clarke靴。他是大H出身，做过一任HHMI的，同范博让了进来，到堂屋内握了手，分宾主坐下。Prof. Cheung先攀谈道：“世先生同在institute，一向有失亲近。”范博道：“晚生久仰老先生，只是无缘，不曾拜会。”Prof. Cheung道：“适才看见authors list，这篇文章的academic editor高要县胡公，就是Bruce Alberts的门生，我和你是亲切的师弟兄。”范博道：“晚生侥幸，实是有愧。却幸得出Bruce Alberts门下，可为欣喜。”Prof. Cheung四面将眼睛望了一望，说道：“世先生果是清贫。”随在跟的家人手里拿过一封contract来，说道：“弟却也无以为敬，谨具贺仪NIH fellowship一个，世先生权且收着。这lab实住不得，将来当事拜往，俱不甚便。弟有空bench一个，就在对门实验室里，一整张台，虽不轩敞，也还干净，就送与世先生；搬到那里去做实验，早晚也好请教些。”范博再三推辞，Prof. Cheung急了，道：“你我年谊世好，就如至亲骨肉一般；若要如此，就是见外了。”范博方才把contract收下，作揖谢了。又说了一会，打躬作别。Dr. 胡直等他上了车，才敢走出地下室来。&br&&br&&br&　　范进即将这contract交与浑家打开看，一行一行的字写着This is a three-years NIH-funded fellowship eligible to support a H1B visa, with possibility of extension ，叫Dr.胡进来，递与他道：“方才费老板的心，拿了50k funding来。这6k bench fee，老板拿了去。”Dr. 胡把支票攥在手里紧紧的，把拳头伸过来，道：“这个，你且收着。我原是贺你的，怎好又拿了回去?”范进道：“眼见得我这里还有这几k funding，若用完了，再来问老板讨来用。”Dr. 胡连忙把拳头缩了回去，往腰里揣，口里说道：“也罢，你而今相与了这个Prof. Cheung，何愁没有funding用?他家里的funding，说起来比HHMI家还多些哩!他家就是我帮养老鼠的主顾，一年就是无事，老鼠也要用四五百笼，funding何足为奇!”又转回头来望着一个千老，说道：“我早上拿了他延期六个月来，你那该死行瘟的departmental HR还不肯，我说：‘范博今非昔比，少不得有人把contract送上门来给他，只怕范博还不稀罕。’今日果不其然!如今拿了funding家去，骂这死砍头短命的奴才!”说了一会，千恩万谢，低着头，笑咪咪的去了。
生物化学环境材料，家里没钱或者等你挣钱翻身就别报了。希望准高考生能看到，救一个是一个。转两个段子让大家开心一下。 转：PCR的小女孩《卖火柴的小女孩》改编 实验室里冷极了，没有窗户，不知道是白天还是黑夜。这是一周的最后一天——周 末。在这又冷又…
&p&1.我慢慢明白了我为什么不快乐，因为我总是期待一个结果。&br&
看一本书期待它让我变深刻，&br&
吃饭游泳期待它让我一斤斤瘦下来，&br&
发 一条短信期待它被回复，&br&
对人好期待它回应也好，&br&
写一个故事说一个心情期待它被关注被安慰，&br&
参加一个活动期待换来充实丰富的经历。&br&
这些预设的期待如果实现了，长舒一口气。&br&
如果没实现昵？自怨自艾。&br&
可是小时候也是同一个我，&br&
用一个下午的时间看蚂蚁搬家，等石头开花，&br&
小时候不期待结果，小时候哭笑都不打折。&/p&&p&一一一马德《允许自己虚度时光》&/p&&p&&br&&/p&&p&&br&&/p&&p&2. 因为害怕自己并非明珠而不敢刻苦琢磨，又因为有几分相信自己是明珠，而不能与瓦砾碌碌为伍，遂逐渐远离世间，疏避人群，结果在内心不断地用愤懑和羞怒饲育着自己懦弱的自尊心。世上每个人都是驯兽师，而那匹猛兽，就是每人各自的性情。对我而言，猛兽就是这自大的羞耻心了。老虎正是它。我折损自己，施苦妻儿，伤害朋友。末了，我就变成了这副与内心一致的模样。&/p&&p&如今想起来，我真是空费了自己那一点仅有的才能，徒然在口头上卖弄着什么“人生一事不为则太长，欲为一事则太短”的警句，可事实是，唯恐暴露才华不足的卑怯的畏惧，和厌恶钻研刻苦的惰怠，就是我的全部了。但远比我缺乏才华，可由于专念磨砺而成就堂堂诗家的，也颇不乏其人。成为老虎后的今天，我才总算看到了这一点。&br& ————中岛敦《山月记》&/p&&p&&br&&/p&&p&&br&&/p&&p&3.要我说女孩子呀，各有各的漂亮法。有的眉目清泠，像是一整季的雪水都融在了她的眼睛里。有的酒窝甜蜜，她笑一笑漫山遍野的风声都要消息。有的天生绵软，你朝她挨过去，像碰着了一团云。有的发汗时竟能生出浅浅的香气，散在天地间顿觉云销雨霁。如何不漂亮呢？她若是瘦，你便看她伸懒腰时优雅得像天鹅抻颈。她若丰盈，你便看她日光底下肌肤亮起时有多绮丽。她若生斑，你便赞她漂亮得发光上帝这才在她的眼角鼻翼投下了淡淡的影。她若佝偻，你便赞她小小只多秀气刚刚好搂在怀里。你瞧，女孩子生来就漂亮得不讲道理。&/p&&p&——林鹤连 &/p&&p&编辑于
&/p&&p&——————————————分割线-——————————————&/p&&p&4.目的虽有，却无路可循；我们称之为路的，无非是踌躇。——卡夫卡 《误入世界》&/p&&p&&br&&/p&&p&&br&&/p&&p&5.我天性不宜交际。在多数场合，我不是觉得对方乏味，就是害怕对方觉得我乏味。可是我既不愿忍受对方的乏味，也不愿费劲使自己显得有趣，那都太累了。我独处时最轻松，因为我不觉得自己乏味，即使乏味，也自己承受，不累及他人，无需感到不安。——周国平&/p&&p&&br&&/p&&p&&br&&/p&&p&6.这些年我一直提醒自己一件事情，千万不要自己感动自己。大部分人看似的努力，不过是愚蠢导致的。什么熬夜看书到天亮，连续几天只睡几小时，多久没放假了，如果这些东西也值得夸耀，那么富士康流水线上任何一个人都比你努力多了。人难免天生有自怜的情绪，唯有时刻保持清醒，才能看清真正的价值在哪里。———于宙《我们这一代人的困惑》&/p&&p&&br&&/p&&p&&br&&/p&&p&7.我装出一副早熟的样子，人们就谣传我早熟。我假装懒汉的模样，人们就谣传我是懒汉。我装做不会写小说，人们就谣传我不会写小说。我假装爱撒谎，人们就谣传我是说谎的人。我假装有钱的样子，人们就谣传我是富翁。我假装冷漠，人们就谣传我是个冷漠的家伙。可是当我真的痛苦呻吟时，人们却指责我无病呻吟。——太宰治&/p&&p&&br&&/p&&p&&br&&/p&&p&8.我相信这不是我一个人的经历：傍晚时分，你坐在屋檐下，看着天慢慢地黑下去，心里寂寞而凄凉，感到自己的生命被剥夺了。当时我是个年轻人，但我害怕这样生活下去，衰老下去。在我看来，这是比死亡更可怕的事。——王小波&/p&&p&更新于&/p&&p&———————————————分割线————————————————&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-a13adf92bfef4d250e40e1e_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&800& data-rawheight=&1072& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&https://pic3.zhimg.com/v2-a13adf92bfef4d250e40e1e_r.jpg&&&/figure&&p&9.我慢慢地、慢慢地了解到，所谓父女母子一场，只不过意味着，你和他的缘分就是今生今世不断地在目送他的背影渐行渐远。你站立在小路的这一端，看着他逐渐消失在小路转弯的地方，而且，他用背影默默告诉你：不必追。 ————龙应台《目送》&/p&&p&&br&&/p&&p&&br&&/p&&p&10.我曾七次鄙视自己的灵魂： 第一次，当它本可进取时，却故作谦卑； 第二次，当它在空虚时，用爱欲来填充； 第三次，在困难和容易之间，它选择了容易 ；第四次，它犯了错，却借由别人也会犯错来宽慰自己； 第五次，它自由软弱，却把它认为是生命的坚韧 ； 第六次，当它鄙夷一张丑恶的嘴脸时，却不知那正是自己面具中的一副； 第七次，它侧身于生活的污泥中，虽不甘心，却又畏首畏尾。————卡里·纪伯伦 &/p&&p&&br&&/p&&p&&br&&/p&&p&11.读书多了，容颜自然改变，许多时候，可能自己以为许多看过的书籍都成了过眼云烟，不复记忆，其实他们仍是潜在的。在气质里，在谈吐上，在胸襟的无涯，当然也可能显露在生活和文字里。————三毛《送你一匹马》&/p&&figure&&img src=&https://pic1.zhimg.com/v2-e909adf3c35af8ed22ae962d3380dc68_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&440& data-rawheight=&1563& class=&origin_image zh-lightbox-thumb& width=&440& data-original=&https://pic1.zhimg.com/v2-e909adf3c35af8ed22ae962d3380dc68_r.jpg&&&/figure&&p&更新于&/p&&p&——————————————分割线———————————————&/p&&p&&br&&/p&&p&12.年轻的时候以为不读书不足以了解人生，直到后来才发现如果不了解人生，是读不懂书的。读书的意义大概就是用生活所感去读书，用读书所得去生活吧。————杨绛&/p&&p&&br&&/p&&p&&br&&/p&&p&13.孩子，我要求你读书用功，不是因为我要你跟别人比成绩，而是，我希望你将来会拥有选择的权利，选择有意义、有时间的工作，而不是被迫谋生。当你的工作在你心中有意义，你就有成就感。当你的工作给你时间，不剥夺你的生活，你就有尊严。成就感和尊严，给你快乐。————龙应台《亲爱的安德烈》&/p&&p&&br&&/p&&p&&br&&/p&&p&14.你站在桥上看风景，看风景的人在楼上看你。明月装饰了你的窗子，你装饰了别人的梦。 &/p&&p&————卞之琳《断章》&/p&&p&&br&&/p&&p&&br&&/p&&p&15. 大部分人在二三十岁上就死去了，因为过了这个年龄，他们只是自己的影子，此后的余生则是在模仿自己中度过，日复一日，更机械，更装腔作势地重复他们在有生之年的所作所为，所思所想，所爱所恨。————罗曼罗兰&/p&&p&&br&&/p&&p&&br&&/p&&p&16.生命好在无意义，才容得下各自赋予意义。假如生命是有意义的，这个意义却不合我的志趣，那才尴尬狼狈。————木心《素履之往》&/p&&p&&br&&/p&&p&&br&&/p&&p&17.当你老了，回顾一生，就会发觉：什么时候出国读书，什么时候决定做第一份职业、何时选定了对象而恋爱、什么时候结婚，其实都是命运的巨变。只是当时站在三岔路口，眼见风云千樯，你作出选择的那一日，在日记上，相当沉闷和平凡，当时还以为是生命中普通的一天。————陶杰《杀鹌鹑的少女》&/p&&p&&br&&/p&&p&&br&&/p&&p&18.你必须只有内心丰富，才能摆脱这些生活表面的相似。————王朔《致女儿书》&/p&&p&&br&&/p&&p&&br&&/p&&p&19.我来不及认真地年轻，待明白过来时，只能选择认真的老去。————三毛&/p&&p&&br&&/p&&p&&br&&/p&&p&20.每一次告别，最好用力一点。多说一句，可能是最后一句。多看一眼，可能是最后一眼。————韩寒《后会无期》&/p&&p&编辑于&/p&
1.我慢慢明白了我为什么不快乐，因为我总是期待一个结果。 看一本书期待它让我变深刻， 吃饭游泳期待它让我一斤斤瘦下来， 发 一条短信期待它被回复， 对人好期待它回应也好， 写一个故事说一个心情期待它被关注被安慰， 参加一个活动期待换来充实丰富的经…
&figure&&img src=&https://pic1.zhimg.com/v2-b32c04b826d1d39e4845_b.jpg& data-rawwidth=&640& data-rawheight=&400& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic1.zhimg.com/v2-b32c04b826d1d39e4845_r.jpg&&&/figure&&blockquote&TensorFlow 是 Google 研发的第二代人工智能学习系统，是 Google 为了帮助全球开发者们更加方便和高效地开发机器学习 (Machine Learning)和人工智能 (AI) 应用而开发的一整套开发平台和框架。被广泛应用于语音识别和图像识别等多项机器学习、深度学习领域。开发者可以使用 TensorFlow 轻松进行模型的构建和训练。&br&为了方便开发者和研究人员了解学习和使用 TensorFlow，我们准备了下列内容。并为大家提供了 &b&&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/tensorflow-docs& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&TensorFlow 中文文档&/a&&/b&。&/blockquote&&h2&TensorFlow 中文文档说明
&/h2&&p&&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/tensorflow-docs& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&TensorFlow Docs&/a& 是由&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/gold-miner& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&掘金翻译计划&/a&实时维护的 TensorFlow 官方文档中文版，维护者由全球各大公司开发人员和各著名高校研究者及学生组成。欢迎大家加入维护团队，欢迎提 Issue 和 PR。&/p&&blockquote&详细内容请见 &/blockquote&&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/tensorflow-docs& data-draft-node=&block& data-draft-type=&link-card& data-image=&https://pic3.zhimg.com/v2-0d4abb57fce89d887e18d6_ipico.jpg& data-image-width=&180& data-image-height=&180& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&xitu/tensorflow-docs&/a&&figure&&img src=&https://pic1.zhimg.com/v2-334c2c0b9adb57927a67_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&2016& data-rawheight=&1124& class=&origin_image zh-lightbox-thumb& width=&2016& data-original=&https://pic1.zhimg.com/v2-334c2c0b9adb57927a67_r.jpg&&&/figure&&p&&br&&/p&&h2&教程
&/h2&&blockquote&如果你还没有安装 TensorFlow，可以按照以下教程进行安装：&/blockquote&&ol&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/tensorflow-docs/blob/zh-hans/install/install_linux.md& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&在 Ubuntu 上安装 TensorFlow&/a&&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/tensorflow-docs/blob/zh-hans/install/install_mac.md& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&在 macOS 中安装 TensorFlow&/a&&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/tensorflow-docs/blob/zh-hans/install/install_windows.md& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&在 Windows 上安装 TensorFlow&/a&&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/tensorflow-docs/blob/zh-hans/install/install_sources.md& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&通过源码安装 TensorFlow&/a&&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/tensorflow-docs/blob/zh-hans/install/install_c.md& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&安装 TensorFlow for C&/a&&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/tensorflow-docs/blob/zh-hans/install/install_go.md& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&安装 Go 版本 Tensorflow&/a&&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/tensorflow-docs/blob/zh-hans/install/install_java.md& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&安装 TensorFlow for Java&/a&&/li&&/ol&&blockquote&接下来，如果你对 TensorFlow 还不熟悉，请阅读下面链接中的文档，其中包括：为机器学习新手准备的指南、为有机器学习经验的读者准备的指南、高阶 API 中的关键功能介绍和适用于进阶用户的介绍：&/blockquote&&ol&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/tensorflow-docs/blob/zh-hans/get_started/index.md& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&开始使用 TensorFlow 介绍&/a&&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/tensorflow-docs/tree/zh-hans/get_started& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&TensorFlow Docs Get_Started&/a&&/li&&/ol&&blockquote&接下来学习如何在真实世界中部署模型：&/blockquote&&ol&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/tensorflow-docs/blob/zh-hans/deploy/distributed.md& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&如何创建一个 TensorFlow 服务器集群&/a&&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/tensorflow-docs/blob/zh-hans/deploy/hadoop.md& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&如何在 Hadoop 上运行 Tensorflow&/a&&/li&&/ol&&blockquote&接下来可以学习在 TensorFlow 中进行各种特定任务的教程：包括图像识别，序列，数据的表示和非机器学习类内容&/blockquote&&ol&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/tensorflow-docs/blob/zh-hans/tutorials/index.md& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&TensorFlow 中进行各种特定任务的教程目录&/a&&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/tensorflow-docs/blob/zh-hans/tutorials& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&TensorFlow Docs Tutorials&/a&&/li&&/ol&&blockquote&进一步的文档会深入介绍 TensorFlow 的工作细节。包括顶层 API、底层 API、机器学习概念、TensorFlow 调试器、TensorBoard 和其他内容。&/blockquote&&ol&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/tensorflow-docs/blob/zh-hans/programmers_guide/index.md& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&开发者指南教程目录&/a&&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/tensorflow-docs/blob/zh-hans/programmers_guide& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&TensorFlow Docs Programmers_Guide&/a&&/li&&/ol&&blockquote&在训练机器学习模型时，性能往往是一个值得关注的问题。接下来你可以学习数种优化性能的方法：&/blockquote&&ol&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/tensorflow-docs/blob/zh-hans/performance/index.md& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&性能优化方法教程目录&/a&&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/tensorflow-docs/blob/zh-hans/performance& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&TensorFlow Docs Performance&/a&&/li&&/ol&&blockquote&最后可以学习如何向 TensorFlow 添加功能等更加深入的问题：&/blockquote&&ol&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/tensorflow-docs/blob/zh-hans/extend/index.md& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&TensorFlow 功能拓展教程目录&/a&&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/tensorflow-docs/blob/zh-hans/extend& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&TensorFlow Docs Extend&/a&&/li&&/ol&&p&此外还有前段时间 Google 官方推出的 &a href=&https://link.zhihu.com/?target=https%3A//developers.google.cn/machine-learning/crash-course/%3Fhl%3Dzh-CN& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&机器学习速成课程&/a&。&/p&&h2&Q&A
&/h2&&p&&b&问：掘金为什么翻译 TensorFlow 官方文档？&/b&&/p&&p&答：网上有各种版本的 TensorFlow 中文文档，但存在质量差、版本旧和不维护等问题，为了解决这些痛点，为 TensorFlow 学习者提供更可靠的学习资源，降低 TensorFlow 的门槛，让更多开发者能够触及新兴技术，掘金翻译计划进行了这次文档的翻译。&/p&&p&&b&问：我可以加入文档维护吗？&/b&&/p&&p&答：当然可以，你需要先了解掘金翻译计划，学习 &a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/gold-miner/wiki& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&译者教程&/a&，在 &a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/gold-miner& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&这儿&/a& 申请加入翻译计划，申请通过后先进行一篇以上的文章校对（为了熟悉流程），然后学习 &a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/tensorflow-docs/wiki%23%25E6%E6%25A1%25A3%25E7%25BB%25B4%25E6%258A%25A4%25E8%25A7%%258C%2583& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&TensorFlow 中文文档维护说明&/a&，之后就可以在 &a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/tensorflow-docs/issues& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&这儿&/a& 和 &a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/tensorflow-docs/pulls& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&这儿&/a& 进行文档翻译和校对任务。也可以发现文档有不足发起 Pull Request 进行修改。&/p&&p&&b&问：我可以和掘金翻译计划合作么？&/b&&/p&&p&答：当然可以，对于翻译计划相关的活动，掘金会给足量的曝光。联系请加微信： 或 扫描&a href=&https://link.zhihu.com/?target=http%3A//oiiyyn1t0.bkt.clouddn.com/wechat-.jpg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&二维码&/a&。&/p&&hr&&blockquote&下面为大家提供些 Tensorflow 相关学习资源&/blockquote&&h2&权威资源
&/h2&&ol&&li&
官网&a href=&https://link.zhihu.com/?target=https%3A//www.tensorflow.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&：www.tensorflow.or&/a&g&/li&&li&
中文版文档&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/tensorflow-docs& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&：TensorFlow Doc&/a&s&/li&&li&
Google+&a href=&https://link.zhihu.com/?target=https%3A//plus.google.com/communities/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&：TensorFlow Google+ 社&/a&群&/li&&li&
Github：&a href=&https://link.zhihu.com/?target=https%3A//github.com/tensorflow& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&github.com/tensorflow&/span&&span class=&invisible&&&/span&&/a&&/li&&li&
Twitter：&a href=&https://link.zhihu.com/?target=https%3A//twitter.com/tensorflow& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&twitter.com/tensorflow&/span&&span class=&invisible&&&/span&&/a&&/li&&li&
Slack：&a href=&https://link.zhihu.com/?target=https%3A//tensor-flow-talk-invite.herokuapp.com/invite& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&tensor-flow-talk-invite.herokuapp.com&/span&&span class=&invisible&&/invite&/span&&span class=&ellipsis&&&/span&&/a&&/li&&/ol&&h2&视频
&/h2&&ol&&li&&a href=&https://link.zhihu.com/?target=https%3A//www.coursera.org/specializations/deep-learning& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Deep Learning | Coursera&/a&&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//www.coursera.org/learn/machine-learning& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Machine Learning | Coursera&/a&&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//www.coursera.org/learn/ml-foundations& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Machine Learning Foundations: A Case Study Approach | Coursera&/a&&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//www.youtube.com/playlist%3Flist%3DPLXO45tsB95cKI5AIlf5TxxFPzb-0zeVZ8& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Tensorflow tutorials (Eng Sub) 神经网络系列教程 | YouTube&/a&&/li&&/ol&&h2&相关开源库
&/h2&&ol&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/tensorflow/tensorboard& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Tensorboard: TensorFlow's Visualization Toolkit&/a&&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/tensorflow/tensor2tensor& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Tensor2tensor: A library for generalized sequence to sequence models&/a&&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/tensorflow/tensorboard-plugin-example& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Tensorboard-plugin-example&/a&&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/tensorflow/playground& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Playground: Play with neural networks&/a&&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/tensorflow/skflow& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Skflow: Simplified interface for TensorFlow for Deep Learning&/a&&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/tensorflow/fold& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Flod: Deep learning with dynamic computation graphs in TensorFlow&/a&&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/aymericdamien/TensorFlow-Examples& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&TensorFlow-Examples: TensorFlow Tutorial and Examples for Beginners with Latest APIs&/a&&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/tflearn/tflearn& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&tflearn: Deep learning library featuring a higher-level API for TensorFlow&/a&&/li&&/ol&&h2&感谢以下译者
&/h2&&ul&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/pkuwwt& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&pkuwwt&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/JohnJiangLA& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&JohnJiangLA&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/lsvih& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&lsvih&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/foxxnuaa& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&foxxnuaa&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/leviding& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&leviding&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/edvardhua& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&edvardhua&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/XatMassacrE& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&XatMassacrE&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/changkun& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&changkun&/a&&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/shi-xiaopeng& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&shi-xiaopeng&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/charsdavy& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&charsdavy&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/romeo0906& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&romeo0906&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/carriecc& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&carriecc&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/wzy816& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&wzy816&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/windhaunting& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&windhaunting&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/tobiaslee& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&tobiaslee&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/MRNIU& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&MRNIU&/a&&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/caoyi0905& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&caoyi0905&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/joyking7& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&joyking7&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/jasonxia23& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&jasonxia23&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/vuuihc& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&vuuihc&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/xiaoxi666& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&xiaoxi666&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/bobmayuze& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&bobmayuze&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/cacppuccino& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&cacppuccino&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/filosfino& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&filosfino&/a&&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/witmax& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&witmax&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/missmisslonely& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&missmisslonely&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/gzponline& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&gzponline&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/San-greal& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&San-greal&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/owenlyn& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&owenlyn&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/SallyGo& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SallyGo&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/ppp-man& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&ppp-man&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/Quorafind& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Quorafind&/a&,&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/elijahxyc& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&elijahxyc&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/linbaiwpi& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&linbaiwpi&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/zcgeng& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&zcgeng&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/whatbeg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&whatbeg&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/asdf2014& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&asdf2014&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/MoutainOne& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&MoutainOne&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/LilianYe& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&LilianYe&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/Raoul1996& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Raoul1996&/a&,&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/mnikn& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&mnikn&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/PeterChenYijie& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&PeterChenYijie&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/jaymz1439& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&jaymz1439&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/xfffrank& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&xfffrank&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/luffydream& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&luffydream&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/GanymedeNil& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&GanymedeNil&/a&, &a href=&https://link.zhihu.com/?target=https%3A//github.com/liaodalin19903& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&liaodalin19903&/a&,&/li&&/ul&&h2&相关活动
&/h2&&blockquote&我们会在&b&&a href=&https://link.zhihu.com/?target=https%3A//www.weibo.com/xitucircle& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&掘金官方微博&/a&&/b&和&b&沸点&/b&中进行送书活动，共有&a href=&https://link.zhihu.com/?target=http%3A//www.ituring.com.cn/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&图灵社区&/a&提供的五种机器学习相关书籍，欢迎关注。&/blockquote&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-4154aef07cdf1d66f3b38_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&800& data-rawheight=&200& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&https://pic3.zhimg.com/v2-4154aef07cdf1d66f3b38_r.jpg&&&/figure&&p&&br&&/p&&h2&更多信息
&/h2&&ul&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/tensorflow-docs& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&TensorFlow 中文文档入口&/a&&/li&&li&&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/gold-miner/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&掘金翻译计划入口&/a&&/li&&/ul&&blockquote&&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/gold-miner& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&掘金翻译计划&/a& 是一个翻译优质互联网技术文章的社区，文章来源为 &a href=&https://link.zhihu.com/?target=https%3A//juejin.im/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&掘金&/a& 上的英文分享文章。内容覆盖 &a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/gold-miner%23android& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Android&/a&、&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/gold-miner%23ios& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&iOS&/a&、&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/gold-miner%23react& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&React&/a&、&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/gold-miner%23%25E5%E7%25AB%25AF& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&前端&/a&、&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/gold-miner%23%25E5%E7%25AB%25AF& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&后端&/a&、&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/gold-miner%23%25E4%25BA%25A7%25E5%& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&产品&/a&、&a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/gold-miner%23%25E8%25AE%25BE%25E8%25AE%25A1& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&设计&/a& 等领域，想要查看更多优质译文请持续关注 &a href=&https://link.zhihu.com/?target=https%3A//github.com/xitu/gold-miner& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&掘金翻译计划&/a&。&/blockquote&
TensorFlow 是 Google 研发的第二代人工智能学习系统，是 Google 为了帮助全球开发者们更加方便和高效地开发机器学习 (Machine Learning)和人工智能 (AI) 应用而开发的一整套开发平台和框架。被广泛应用于语音识别和图像识别等多项机器学习、深度学习领域。…
&p&从最基础的开始&/p&&p&对二维数字信号（图像）的操作，可以写成矩阵形式。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-6c3ecdfbd52cd57d0ac2402b_b.png& data-rawwidth=&389& data-rawheight=&377& class=&content_image& width=&389&&&/figure&&p&比如对图像做平滑，一个典型的8领域平滑，其结果中的每个值都来源于原对应位置和其周边8个元素与一个3X3矩阵的乘积：&/p&&figure&&img src=&https://pic2.zhimg.com/v2-b92779a7dba6cdff70fef65_b.png& data-rawwidth=&703& data-rawheight=&368& class=&origin_image zh-lightbox-thumb& width=&703& data-original=&https://pic2.zhimg.com/v2-b92779a7dba6cdff70fef65_r.png&&&/figure&&p&也就相当于对原矩阵，按照顺序将各区域元素与W矩阵相乘，W 矩阵为&/p&&figure&&img src=&https://pic2.zhimg.com/v2-837dfd79cf04e57c0ffb10ed_b.png& data-rawwidth=&277& data-rawheight=&130& class=&content_image& width=&277&&&/figure&&p&这也被称作核(Kernel, 3X3)&/p&&p&其处理效果如下：&/p&&figure&&img src=&https://pic4.zhimg.com/v2-ccdd4c56e745b3c4b279f3dc52a88737_b.png& data-rawwidth=&900& data-rawheight=&411& class=&origin_image zh-lightbox-thumb& width=&900& data-original=&https://pic4.zhimg.com/v2-ccdd4c56e745b3c4b279f3dc52a88737_r.png&&&/figure&&p&也就是，这个核对图像进行操作，相当于对图像进行了低通滤波。因此这个核也被称为滤波器，整个操作过程按照概念称为卷积。&/p&&p&扩展来讲，对二维图像的滤波操作可以写成卷积，比如常见的高斯滤波、拉普拉斯滤波（算子）等。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-6cc428eebcfe6b52d3a558c0_b.png& data-rawwidth=&275& data-rawheight=&307& class=&content_image& width=&275&&&/figure&&p&滤波器跟卷积神经网络有什么关系呢。不如我们预想一个识别问题：我们要识别图像中的某种特定曲线，也就是说，这个滤波器要对这种曲线有很高的输出，对其他形状则输出很低，这也就像是神经元的&b&激活&/b&。&/p&&p&我们设计的滤波器和想要识别的曲线如下：&/p&&figure&&img src=&https://pic4.zhimg.com/v2-c5d4c0c3fac68a7a711b3e31b552313f_b.png& data-rawwidth=&615& data-rawheight=&271& class=&origin_image zh-lightbox-thumb& width=&615& data-original=&https://pic4.zhimg.com/v2-c5d4c0c3fac68a7a711b3e31b552313f_r.png&&&/figure&&p&假设上面的核（滤波器）按照卷积顺序沿着下图移动：&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-d2b0e3f9fa705eefe47d413_b.png& data-rawwidth=&634& data-rawheight=&211& class=&origin_image zh-lightbox-thumb& width=&634& data-original=&https://pic4.zhimg.com/v2-d2b0e3f9fa705eefe47d413_r.png&&&/figure&&p&那么当它移动到上面的位置时，按照矩阵操作，将这个区域的图像像素值与滤波器相乘，我们得到一个很大的值（6600）：&/p&&figure&&img src=&https://pic2.zhimg.com/v2-8b9d835be42aedbb976f3d_b.png& data-rawwidth=&705& data-rawheight=&261& class=&origin_image zh-lightbox-thumb& width=&705& data-original=&https://pic2.zhimg.com/v2-8b9d835be42aedbb976f3d_r.png&&&/figure&&p&而当这个滤波器移动到其他区域时，我们得到一个相对很小的值：&/p&&figure&&img src=&https://pic3.zhimg.com/v2-ff07f869edac218e6c77bce_b.png& data-rawwidth=&702& data-rawheight=&251& class=&origin_image zh-lightbox-thumb& width=&702& data-original=&https://pic3.zhimg.com/v2-ff07f869edac218e6c77bce_r.png&&&/figure&&p&如此，我们对整个原图进行一次卷积，得到的结果中，在那个特定曲线和周边区域，值就很高，在其他区域，值相对低。这就是一张&b&激活图&/b&。对应的高值区域就是我们所要检测曲线的位置。&/p&&p&在训练卷积审计网络（CNN）的某一个卷积层时，我们实际上是在训练一系列的滤波器(filter)。比如，对于一个32x32x3（宽32像素x高32像素xRGB三通道）的图像，如果我们在CNN的第一个卷积层定义训练12个滤波器，那就这一层的输出便是32X32X12.按照不同的任务，我们可以对这个输出做进一步的处理，这包括激活函数，池化，全连接等。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-4d7c46ea9e055e82f9c1_b.png& data-rawwidth=&552& data-rawheight=&420& class=&origin_image zh-lightbox-thumb& width=&552& data-original=&https://pic2.zhimg.com/v2-4d7c46ea9e055e82f9c1_r.png&&&/figure&&p&简单来说，训练CNN在相当意义上是在训练每一个卷积层的滤波器。让这些滤波器组对特定的模式有高的激活，以达到CNN网络的分类/检测等目的。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-c29a52faf6dfb0_b.jpg& data-rawwidth=&560& data-rawheight=&558& class=&origin_image zh-lightbox-thumb& width=&560& data-original=&https://pic1.zhimg.com/v2-c29a52faf6dfb0_r.jpg&&&/figure&&p&&Fig. 一个实际CNN（AlexNet）第一个卷积层的滤波器&&/p&&p&卷积神经网络的第一个卷积层的滤波器用来检测低阶特征，比如边、角、曲线等。随着卷积层的增加，对应滤波器检测的特征就更加复杂（理性情况下，也是我们想要的情况）。比如第二个卷积层的输入实际上是第一层的输出（滤波器激活图），这一层的滤波器便是用来检测低价特征的组合等情况（半圆、四边形等），如此累积，以检测越来越复杂的特征。实际上，我们的人类大脑的视觉信息处理也遵循这样的低阶特征到高阶特征的模式（&a href=&https://www.zhihu.com/question//answer/& class=&internal&&Owl of Minerva：为什么无彩色系（黑白灰色）在色彩搭配中可以和谐地与任何彩色搭配？&/a&）。最后一层的滤波器按照训练CNN目的的不同，可能是在检测到人脸、手写字体等时候激活[1]。&/p&&p&所以，在相当程度上，构建卷积神经网络的任务就在于构建这些滤波器。也就是，将这些滤波器变成这样(改变滤波器矩阵的值，也就是Weight)的——能识别特定的特征。这个过程叫做&b&训练&/b&。&/p&&p&在训练开始之时，卷积层的滤波器是完全随机的，它们不会对任何特征激活（不能检测任何特征）。这就像刚出生的孩子，TA不知道什么是人脸、什么是狗，什么是上下左右。TA需要学习才知道这些概念，也就是通过接触人脸、狗、上下左右，并被告知这些东西分别是人脸、狗、上下左右。然后TA才能在头脑中记住这些概念，并在之后的某一次见到之后能准确的给出结果。&/p&&p&把一个空白的滤波其，修改其权重(weights)以使它能检测特定的模式，整个过程就如工程里面的反馈。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-36a36bcfd8ea62d3acd629_b.png& data-rawwidth=&800& data-rawheight=&329& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&https://pic2.zhimg.com/v2-36a36bcfd8ea62d3acd629_r.png&&&/figure&&p&想想一下，如果有一只无意识的猴子，完全随机的修改一个5X5滤波器矩阵的25个值，那完全可能经过一定的轮次之后，这个滤波器能够检测棱角等特征。这是一种无反馈的训练情况。对神经网络的训练当然不能如此，我们不可能靠运气去做这件事情。&/p&&p&举个例子，我们要训练一个用于分类的神经网络，让它能判定输入图像中的物体最可能是十个类别的哪一类。那么，训练过程就是这样的：&/p&&p&第一次训练，输入一张图像，这个图像通过各层卷积处理输出量一组向量[1,1,1,1,1,1,1,1,1,1], 也就是，对于完全由随机滤波器构建的网络，其输出认为这张图等概率的是十个类别中的某一种。但是对于训练，我们有一个Gound Thuth, 也就是这张图中物体所属的类别：[0，0，1，0，0，0，0，0，0，0]，也就是属于第三类。这时候我们可以定义一个损失函数，比如常见的MSE（mean squared error）.我们假定L是这个损失函数的输出。这时候我们的目的就是，让L的值反馈(这种神经网络概念下称为 back propagation， 反向传输)给整个卷积神经网络，以修改各个滤波器的权重，使得损失值L最小。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-c2e7f995f2ecea0cdf4ff43_b.png& data-rawwidth=&304& data-rawheight=&238& class=&content_image& width=&304&&&/figure&&p&这是一个典型的最优化问题。当然地，在工程上我们几乎不可能一次就把滤波器的权重W修改到使L最小的情况，而是需要多次训练和多次修改。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-5b17da3f08ed_b.png& data-rawwidth=&284& data-rawheight=&208& class=&content_image& width=&284&&&/figure&&p&如果情况理想的话，权重修改的方向是使得L的变化收敛的。这也就是说很可能达到了我们训练这个神经网络的目的——让各个卷积层的滤波器能够组合起来最优化的检测特定的模式。&/p&&p&--------&/p&&p&[1] Zeiler, M. D., & Fergus, R. (2014, September). Visualizing and understanding convolutional networks. In &i&European conference on computer vision&/i& (pp. 818-833). Springer, Cham.&/p&
从最基础的开始对二维数字信号（图像）的操作，可以写成矩阵形式。比如对图像做平滑，一个典型的8领域平滑，其结果中的每个值都来源于原对应位置和其周边8个元素与一个3X3矩阵的乘积：也就相当于对原矩阵，按照顺序将各区域元素与W矩阵相乘，W 矩阵为这也被…
&figure&&img src=&https://pic1.zhimg.com/v2-46a87c7afd0c0d67a65f2f_b.jpg& data-rawwidth=&1920& data-rawheight=&1060& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic1.zhimg.com/v2-46a87c7afd0c0d67a65f2f_r.jpg&&&/figure&&p&&b&简介&/b&&br&&/p&
&p&本文参考了三篇深度学习在医学图像处理中的三篇综述性的文章，旨在对于深度学习和医学图像相结合的现有情况做一个小总结，并探讨一下未来的一些发展趋势和自身的一些思考&/p&
&p&&b&医学影像深度学习工具&/b&&/p&
&p&深度学习模型&/p&
&figure&&img src=&https://pic4.zhimg.com/v2-eb5ed5edd522abfa0fefe69_b.jpg& data-rawwidth=&2174& data-rawheight=&1694& class=&origin_image zh-lightbox-thumb& width=&2174& data-original=&https://pic4.zhimg.com/v2-eb5ed5edd522abfa0fefe69_r.jpg&&&/figure&&br&&p&在医学影像处理中使用的到的深度学习的模型框架主要有：&/p&
&ul&&li&SAE(stack auto-encoder)&br&&/li&&/ul&无监督学习方案，逐层训练，得到特征描述为主&ul&&li&RBM(restricted Boltzmann machine)&br&&/li&&/ul&无监督学习方案，与SAE 类似&ul&&li&CNN(convolutional neural network)&br&&/li&&/ul&卷积神经网络，使用最为广泛，可以用来提取图片特征或者直接完成分类检测等任务&ul&&li&RNN(recurrent neural network)&br&&/li&&/ul&循环神经网络，用来获取时序上的信息，在CT等逐行扫描图像中使用&ul&&li&U-net (with a single downsampling stage)&br&&/li&&/ul&类似于带short-cut的全卷机网络，用来融合不同尺度的图像的特征&ul&&li&FCNN(fully convolutional neural network)&br&&/li&&/ul&全卷机网络，可以获取与原图相同分辨率的图片，常用于分割等任务&br&&br&&ul&&li&FRCNN(Faster Region-proposal based neural network)&br&&/li&&/ul&&br&&p&一种快速的深度学习检测网络框架，分为rpn 和 rcnn 两层，用于检测图像中的多种物体&/p&
&p&&b&深度学习框架&/b&&/p&
&ul&&li&caffe&br&&/li&&li&tensorflow&br&&/li&&li&torch&br&&/li&&li&Theano&br&&/li&&/ul&&br&&p&&b&暂时没有使用到的深度学习技术&/b&&/p&
&p&* VAE&/p&
&p&* GAN&/p&
&br&&p&&b&State of Arts&/b&&/p&
&br&&figure&&img src=&https://pic2.zhimg.com/v2-77c061eccc0d5d841a6a_b.jpg& data-rawwidth=&1890& data-rawheight=&1348& class=&origin_image zh-lightbox-thumb& width=&1890& data-original=&https://pic2.zhimg.com/v2-77c061eccc0d5d841a6a_r.jpg&&&/figure&&br&&p&&b&深度学习在医学图像领域的一些限制&/b&&/p&
&ul&&li&缺少高质量的标注的训练样本，因此训练出来的模型可能是过拟合的或者说推广性不好，因此需要将的到的模型放在各种情况下测试推广性[^doc3]&br&&/li&&li&深度学习得到的模型是一个黑盒子，无法解释其有效性，在一些特殊的情况下会出现非常奇怪无法解释的问题，因此在医疗行业中的接受度也是一个问题[^doc3]&br&&/li&&li&在商业系统中使用临床上的图片资料会存在法律和伦理上的问题而不使用这样的样本无法进一步的提高深度学习模型的水平[^doc3]&br&&/li&&/ul&&br&&br&&p&&b& 一些自己的思考&/b&&/p&
&p&2D VS 3D&/p&
&p&从文献综述来看，大部分的工作都是基于2D图像的，其实在医学图像中，CT 和 MRI都是3D的数据2D化的结果，在医疗图像处理的算法中3D重建等等也是非常重要的一大类算法，但是现有的基于3D的算法一来耗时比较高，二来并没有比基于2D的算法提高很多，使用2D还是3D是一个值得思考的问题。&/p&
&p&Feature vs Result&/p&
&p&从文献综述中来看，稍微久远一些的算法就是把CNN当作是一个特征提取的算子获得图像的描述特征而最新的一些方法直接将CNN的结果就作为最终的输出结果来使用， 这里喔感觉直接使用CNN的输出作为结果，会涉及到文献中所说的黑盒子的限制，可解释型一般是比较差的，而作为特征来使用解释性可能会好一些，因为后续的一些后处理中可以增加的规则类的比较多，解释性会更佳&/p&
&p&过滤 vs 诊断&/p&
&p&一直以来作者觉得在医疗行业中，计算机能做的最大的贡献就是帮助医生做大量医学影像的过滤工作，至于使用诊断上最多也只是一个辅助的诊断工具，而机器学习到达了深度学习的时代，有些本来以为不太可能的任务都被深度学习算法一个一个的攻克了，在未来的工作做，计算机深度学习是不是可能独立的进行本属于医生独享的诊断工作我还是不得而知，然后我们可以知道的是，技术的发展使得过滤的正确率大大的提高，极大的提高生产的效率，这一方面是肯定有助于医疗行业的，相应深度学习在医疗领域的前景还是很广阔的。&/p&
&br&&br&&br&&br&&br&&br&&br&&br&&b&Refs：&/b&&ul&&li& A Survey on Deep Learning in Medical Image Analysis&br&&/li&&li&Deep Learning in Medical Image Analysis&br&&/li&&li&Deep Learning in Medical Imaging: General Overview&br&&/li&&li&Volumetric ConvNets with Mixed Residual Connections for Automated Prostate Segmentation from 3D MR Images&br&&/li&&li&DEEP LEARNING BASED CANCER METASTASES DETECTION&br&&/li&&li&Proceedings of MICCAI-BRATS 2016&br&&/li&&/ul&&br&
本文参考了三篇深度学习在医学图像处理中的三篇综述性的文章，旨在对于深度学习和医学图像相结合的现有情况做一个小总结，并探讨一下未来的一些发展趋势和自身的一些思考
医学影像深度学习工具
深度学习模型
在医学影像处理中使用的到的深度学习的模…
&p&用深度学习玩图像的七重关卡&/p&&figure&&img src=&https://pic1.zhimg.com/v2-eafd9ea3bf5ec_b.jpg& data-caption=&& data-size=&normal& class=&content_image&&&/figure&&p&&a href=&https://www.zhihu.com/people/hun-dun-xun-yang-jian& class=&internal&&许铁-巡洋舰科技&/a&2 天前&/p&&p&&b&第一个重境界： 图像识别&/b&&/p&&p&&br&&/p&&p&如果你开始了解深度学习的图像处理， 你接触的第一个任务一定是图像识别 ：&/p&&p&比如把你的爱猫输入到一个普通的CNN网络里， 看看它是喵咪还是狗狗。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-a58afcafdbce090b25233_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1292& data-rawheight=&770& class=&origin_image zh-lightbox-thumb& width=&1292& data-original=&https://pic4.zhimg.com/v2-a58afcafdbce090b25233_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-849cbfd7dc6fc55efe1d8bbd18691a91_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&491& data-rawheight=&169& class=&origin_image zh-lightbox-thumb& width=&491& data-original=&https://pic2.zhimg.com/v2-849cbfd7dc6fc55efe1d8bbd18691a91_r.jpg&&&/figure&&p&一个最普通的CNN， 比如像这样几层的CNN鼻祖Lenet， 如果你有不错的数据集（比如kaggle猫狗大战）都可以给出一个还差强人意的分类结果(80%多准确率)， 虽然不是太高。&/p&&p&&br&&/p&&p&当然，如果你再加上对特定问题的一些知识， 也可以顺便识别个人脸啥的，开个startup叫face 减减什么：&/p&&figure&&img src=&https://pic4.zhimg.com/v2-6baa6c28ea7_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1200& data-rawheight=&630& class=&origin_image zh-lightbox-thumb& width=&1200& data-original=&https://pic4.zhimg.com/v2-6baa6c28ea7_r.jpg&&&/figure&&p&会玩的， 也可以顺别识别个猪脸什么哒（我觉得长得都一样哦）， 这样搞出来每个猪的身份， 对于高质量猪肉的销售， 真是大有裨益的。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-d5ef1bec243ec6a7a58725_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&408& data-rawheight=&497& class=&content_image& width=&408&&&/figure&&p&或者看看植物都有个什么病害什么的，像这样不同的病斑， 人都懒得看的， 它可以给你看出来。 植物保护的人可以拿着手机下田了。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-bd5be2b153c_b.jpg& data-size=&normal& data-rawwidth=&379& data-rawheight=&324& class=&content_image& width=&379&&&figcaption&Ronneberger, Olaf, Philipp Fischer, and Thomas Brox. &U-net: Convolutional networks for biomedical image segmentation.& International Conference on Medical Image Computing and Computer-Assisted Intervention. Springer, Cham, 2015.&/figcaption&&/figure&&p&&br&&/p&&p&虽然植物保护真的很好用，分类问做就了还真是挺无聊的。&/p&&p&我们进化的方向，也就是用更高级的网络结构取得更好的准确率，比如像下图这样的残差网络（已经可以在猫狗数据集上达到99.5%以上准确率）。分类做好了你会有一种成为深度学习大师，拿着一把斧子眼镜里都是钉子的幻觉。 分类问题之所以简单， 一要归功于大量标记的图像， 二是分类是一个边界非常分明的问题， 即使机器不知道什么是猫什么是狗， 看出点区别还是挺容易的， 如果你给机器几千几万类区分， 机器的能力通过就下降了（再复杂的网络，在imagenet那样分1000个类的问题里，都很难搞到超过80%的准确率）。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-6a9a4deb08b_b.jpg& data-size=&normal& data-rawwidth=&233& data-rawheight=&521& class=&content_image& width=&233&&&figcaption&He, Kaiming, et al. &Identity mappings in deep residual networks.& European Conference on Computer Vision. Springer International Publishing, 2016.&/figcaption&&/figure&&p&&br&&/p&&p&&b&第二重境界 ： 物体检测&/b&&/p&&p&&br&&/p&&p&很快你发现，分类的技能在大部分的现实生活里并没有鸟用。因为现实中的任务啊， 往往是这样的：&/p&&figure&&img src=&https://pic2.zhimg.com/v2-6b27fc97aad1e_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1833& data-rawheight=&1118& class=&origin_image zh-lightbox-thumb& width=&1833& data-original=&https://pic2.zhimg.com/v2-6b27fc97aad1e_r.jpg&&&/figure&&p&或者这样的：&/p&&figure&&img src=&https://pic3.zhimg.com/v2-468921caa00e188e31ea8af23d9a999a_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1280& data-rawheight=&720& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic3.zhimg.com/v2-468921caa00e188e31ea8af23d9a999a_r.jpg&&&/figure&&p&那么多东西在一起，你拿猫狗大头照训练的分类网络一下子就乱了阵脚。 即使是你一个图片里有一个猫还有一个狗，甚至给猫加点噪声，都可以使你的分类网络分寸